紧固件工程项目数据分析与挖掘（工程项目组织与管理）.docx

泓域咨询/紧固件工程项目数据分析与挖掘紧固件工程项目数据分析与挖掘xxx投资管理公司一、 项目名称及项目单位项目名称：紧固件工程项目项目单位：xxx投资管理公司二、 项目建设地点本期项目选址位于xxx（以选址意见书为准），占地面积约41.00亩。项目拟定建设区域地理位置优越，交通便利，规划电力、给排水、通讯等公用设施条件完备，非常适宜本期项目建设。三、 建设规模该项目总占地面积27333.00（折合约41.00亩），预计场区规划总建筑面积49321.85。其中：主体工程30625.20，仓储工程12138.05，行政办公及生活服务设施4374.42，公共工程2184.18。四、 项目建设进度结合该项目建设的实际工作情况，xxx投资管理公司将项目工程的建设周期确定为24个月，其工作内容包括：项目前期准备、工程勘察与设计、土建工程施工、设备采购、设备安装调试、试车投产等。五、 建设投资估算（一）项目总投资构成分析本期项目总投资包括建设投资、建设期利息和流动资金。根据谨慎财务估算，项目总投资16272.77万元，其中：建设投资13202.21万元，占项目总投资的81.13%；建设期利息350.29万元，占项目总投资的2.15%；流动资金2720.27万元，占项目总投资的16.72%。（二）建设投资构成本期项目建设投资13202.21万元，包括工程费用、工程建设其他费用和预备费，其中：工程费用11368.74万元，工程建设其他费用1585.92万元，预备费247.55万元。六、 项目主要技术经济指标（一）财务效益分析根据谨慎财务测算，项目达产后每年营业收入30200.00万元，综合总成本费用23300.17万元，纳税总额3187.30万元，净利润5054.13万元，财务内部收益率24.34%，财务净现值8313.92万元，全部投资回收期5.57年。（二）主要数据及技术指标表主要经济指标一览表序号项目单位指标备注1占地面积27333.00约41.00亩1.1总建筑面积49321.85容积率1.801.2基底面积16673.13建筑系数61.00%1.3投资强度万元/亩308.862总投资万元16272.772.1建设投资万元13202.212.1.1工程费用万元11368.742.1.2工程建设其他费用万元1585.922.1.3预备费万元247.552.2建设期利息万元350.292.3流动资金万元2720.273资金筹措万元16272.773.1自筹资金万元9123.853.2银行贷款万元7148.924营业收入万元30200.00正常运营年份5总成本费用万元23300.17""6利润总额万元6738.84""7净利润万元5054.13""8所得税万元1684.71""9增值税万元1341.60""10税金及附加万元160.99""11纳税总额万元3187.30""12工业增加值万元10825.22""13盈亏平衡点万元10068.54产值14回收期年5.57含建设期24个月15财务内部收益率24.34%所得税后16财务净现值万元8313.92所得税后七、 逻辑框架法中的逻辑关系（一）垂直逻辑关系目标各层次的主要区别是，项目宏观目标的实现往往由多个项目的具体目标所构成，而一个具体目标的取得往往需要该项目完成多项具体的投入和产出活动。这样，四个层次的要素就自下而上构成了三个相互连接的逻辑关系。第一级：如果保证一定的资源投入，并加以很好地管理，则预计有怎样的产出；第二级：如果项目的产出活动能够顺利进行，并确保外部条件能够落实，则预计能取得怎样的具体目标；第三级：项目的具体目标对整个地区乃至整个国家更高层次宏观目标的贡献关联性。这种逻辑关系在LFA中称为“垂直逻辑”，可用来阐述各层次的目标内容及其上下层次间的因果关系。（二）水平逻辑关系垂直逻辑对项目目标层次的因果关系进行了分析，但这种分析不能满足对项目进行分析和评价的要求。水平逻辑分析的目的是通过主要验证指标和验证方法来衡量一个项目的资源和成果。与垂直逻辑中的每个层次目标对应，水平逻辑对各层次的结果加以具体说明，由验证指标、验证方法和重要的假定条件所构成，形成了LFA的4X4的逻辑框架。在项目的水平逻辑关系中，还有一个重要的逻辑关系就是重要假设条件与不同目标层次之间的关系，主要内容是：一旦前提条件得到满足，项目活动便可以开始。一旦项目活动开展，所需的重要假设也得到了保证，便应取得相应的产出成果；一旦这些产出成果实现，同水平的重要假设得到保证，便可以实现项目的直接目标；一旦项目的直接目标得到实现，同水平的重要假设得到保证，项目的直接目标便可以为项目的宏观目标做出应有的贡献。对于一个理想的项目策划方案，以因果关系为核心，很容易推导出项目实施的必要条件和充分条件。项目不同目标层次间的因果关系可以推导出实现目标所需要的必要条件，这就是项目的内部逻辑关系。而充分条件则是各目标层次的外部条件，这是项目的外部逻辑。把项目的层次目标（必要条件）和项目的外部制约（充分条件）结合起来，就可以得出清晰的项目概念和设计思路。总之，逻辑框架分析方法不仅仅是一个分析程序，更重要的是一种帮助思维的模式，通过明确的总体思维，把与项目运作相关的重要关系集中加以分析，以确定“谁”在为“谁”干“什么”？“什么时间”？“为什么”？以及“怎么干”。虽然编制逻辑框架是一件比较困难和费时的工作，但是对于项目决策者、管理者和评价者来讲，可以事先明细项目应该达到的具体目标和实现的宏观目标，以及可以用来鉴别其成果的手段，对项目的成功计划和实施具有很大的帮助。八、 项目背景分析紧固件，是作紧固连接用且应用极为广泛的一类机械零件。紧固件，使用行业广泛，包括能源、电子、电器、机械、化工、冶金、模具、液压等等行业，在各种机械、设备、车辆、船舶、铁路、桥梁、建筑、结构、工具、仪器、化工、仪表和用品等上面，都可以看到各式各样的紧固件，是应用最广泛的机械基础件。它的特点是品种规格繁多，性能用途各异，而且标准化、系列化、通用化的程度也极高。因此，也有人把已有国家标准的一类紧固件称为标准紧固件，或简称为标准件。紧固件包括：螺栓、螺柱、螺钉、螺母、垫圈、销。锁死或咬死常发生在不锈钢，铝合金及钛合金材料的紧固件上，这些金属合金本身有防腐蚀性能，会在表面受损伤时，在金属表面产生一层薄的氧化层来防止进一步锈蚀。当不锈钢的紧固件被锁紧时，牙纹间所产生的压力与热量会破坏这一氧化层，使的金属螺纹间发生阻塞或剪切，进而发生黏着的现象。当这一现象持续发生时，将使不锈钢紧固件完全锁死，再也无法拆下或继续锁上。随着我国逐步形成全球制造中心以及我国的机械工业、汽车工业等行业快速展,紧固件的需求量仍快速增长。其中，2019年紧固件市场在汽车工业需求占比最高为23.2%；其次是维修行业和建筑工业紧固件需求占20%；再次是电子工业紧固件需求占比为16.6%。近几年，中国的紧固件出口量逐年递增，2019年进出口量都有稍微下降。2019年中国紧固件出口数量为317万吨，同比下降3.6%；中国紧固件进口数量为26.7万吨，同比下降15.8%。紧固件企业差别主要体现在产品质量、档次和技术上。究其原因,除了紧固件行业自身原因外,钢铁企业向紧固件厂提供的紧固件用钢在实物质量、外形尺寸上与国外同类产品相比还存在一定差距。我国紧固件行也面临着诸多问题。问题的存在使得生产普通紧固件企业之间竞争加剧,低档产品供过于求,而高档紧固件供不应求。我国工业化已悄然进入重工业发展的新阶段。重工业和第二产业比重上升。工业经济进入新的增长平台,给紧固件市场提供了巨大发展空间。随着我国城镇化速度明显加快,基础设施建设和新技术革命也对重工业发展形成了支撑。九、 数据分析与挖掘概述（一）信息分析信息分析是根据咨询问题的具体需要，对与之有关的信息进行整理、鉴别、评价、分析和综合，以便取得咨询所需新信息的过程。信息分析有如下几种用途：1跟踪。所谓跟踪，就是及时了解各领域新动向、新发展，从而发现问题、提出问题。2比较。比较各种事物的内部矛盾之后，把握事物间的联系，认识事物的本质，从而提出问题、确定目标、拟定方案并作出选择。3预测。利用已掌握的信息、知识和手段，推断事物的未来或未知方面。4评价。进行评价时应选择合适的变量和评价指标，应当考虑评价对象之间的可比性。信息分析所用方法，可分为定性和定量分析两种。定性方法主要靠逻辑推理；而定量方法涉及数据间的数量关系，要建立数学模型，计算、求解。如今，信息越来越复杂，定性与定量分析已无法单独奏效，只能越来越多地结合起来。（二）数据分析数据分析是信息分析的一部分，数据分析是对收集数据进行系统的分析，建立适当的模型，揭示数据中隐含的技术、经济、社会和其他关系，以及发展趋势，为有关的咨询活动提交的有用的数字、信息或建议。数据分析的对象可分为时间序列和截面数据。如企业历年的咨询收入、利润总额等就是时间序列。截面数据是在同一时间的数据，如企业同一年咨询业务数目、营业额、费用、收入、人工耗费等。两种数据都要注意样本容量大小。对于截面数据，常用线性或非线性回归模型体现数据之间的各种关系。数据分析属定量分析，包括数据统计分析、时间数据分析、空间数据分析。（三）数据挖掘数据挖掘就是从数据中挖掘出隐含、先前未知、有潜在用途，最终可为人理解的关系、模式、趋势和其他有用信息，并建立模型，用于预测、判断或决策，帮助企业更好地适应变化并做出更明智的决策的过程。数据挖掘广泛应用于制造、金融、零售、保健、中医药及电信等行业的客户关系管理、风险防范、供应链管理、竞争优势分析、部门分析等领域。数据挖掘要用到统计分析、人工智能、数据库和神经网络等方面的知识，如记忆推理、聚类分析、关联分析、决策树、神经网络、基因算法等。数据挖掘需要用户参与，并非某种单一工具、技术或软件即可独自完成。另一方面，并非所有信息查询都可视为数据挖掘。例如，使用数据库管理系统查找个别记录，或用搜索引擎查找互联网特定的网页，属于信息检索，不能视为数据挖掘。当然，数据挖掘技术也有强大的信息检索能力。十、 大数据系统和数据挖掘技术（一）数据挖掘概述1大数据大数据是指超过既往数据库系统规模、传输速度和处理能力，或者既往数据库系统结构无法容纳的数据。大数据常以万亿或EB衡量，且种类多、实时性强，蕴藏的商业价值大。很多现有的新或旧的信息基础设施、工具和技术可用来开发和利用大数据中蕴藏的价值。大数据有各种各样的来源：传感器、气候信息、公开的信息、如杂志、报纸、文章、买卖记录、网络日志、病历、事监控、视频和图像档案，及大型电子商务。大数据是数据挖掘产生与生存发展的土壤。如今数据每五年翻一番，面对前所未有的海量数据，为了从中发现有用的信息必须进行数据挖掘。此外，计算机存储、处理大量数据，以及运算的能力大为增强，为数据挖掘创造了条件，使其成为一门独特的学科和技术。2数据挖掘与数据分析的区别数据挖掘与数据分析的主要区别在于：（1）处理工作量。数据分析的数据量可能并不大，而数据挖掘的数据量极大。（2）制约条件。数据分析是从某些假设出发，建立方程或模型，而数据挖掘不作假设，可以自动建立方程。（3）处理对象。数据分析往往是针对数字型数据，而数据挖掘对象类型繁多，例如图像、声音、文本等。（4）处理结果。数据分析可以解释结果的含义；数据挖掘的结果不易解释，着眼于预测未来，并提出决策建议。想要从数据中发现规律（即认知），往往需将数据分析和数据挖掘结合起来。（二）数据挖掘步骤按挖掘对象，数据挖掘分为数据库与数据仓库挖掘和网络挖掘两种，各自步骤分述如下。1数据库与数据仓库挖掘数据挖掘一般有信息收集、数据集成、数据规约、数据清理、数据变换、数据挖掘、模式评估和知识表示8个步骤。（1）信息收集。从确定的挖掘对象中提取特征，然后选择合适的收集方法，将收集到的信息存入数据库。对于海量数据，必须选择合适的数据仓库。（2）数据集成。把来源、格式、特点、性质不同的数据按逻辑或物理属性加以编排，以便以后使用。（3）数据规约。多数数据挖掘算法耗时很长，商业数据往往较多，数据挖掘更耗时间。数据规约就是简化已有可用数据集的表示，规约后数量大减，但仍能保持原数据的完整性，对规约数据的挖掘结果，与对规约前数据的挖掘结果相同或几乎相同。（4）数据清理。有些数据不完整（属性缺少属性值）、含噪声（属性值错误），不一致（同一信息有多种表示），需要清理，使其完整、正确、一致后存入数据仓库。（5）数据变换。将数据变换成适合数据挖掘的形式。实数型数据，可将其分层和离散化。（6）数据挖掘。根据数据格式、属性与特点，选择合适的处理工具，例如统计方法、事例推理、决策树、规则推理、模糊集，甚至神经网络，取得有用的信息。（7）模式评估。由行业专家核实数据挖掘结果是否合理、是否可用。（8）知识表示。将数据挖掘得到的信息以可视方式交给用户，或作为新的知识存人知识库，供其他应用程序使用。并非所有的数据挖掘都要走上述的每一步。若只有一个数据源，则可以省略数据集成。数据规约、数据清理、数据变换合称数据预处理。数据挖掘至少60%的费用要花在信息收集阶段，而至少60%以上的精力和时间要花在数据预处理上。数据挖掘是一个反复多次的过程，若一次未满足要求或未得到有用结果，则需回到前面，经过调整后重新开始。2，网络挖掘网络挖掘可分为网络用户行为挖掘与网络信息挖掘。前者基本不在工程咨询人员关心之列。后者可理解为“从WWW中发现和分析有用的信息”。网络信息挖掘是在已知数据样本的基础上，通过归纳学习、机器学习、统计分析等发现挖掘对象间的内在关系与特性，进而在网络中提取用户感兴趣的信息，获得更高层次的知识和规律。网络信息挖掘沿用了Robot，全文检索、人工智能的模式识别、神经网络等技术。现在的搜索引擎使用了这些技术，能够在网页或网站数据库中为用户搜寻有用信息。网络信息挖掘具体步骤如下：（1）确立目标样本。由用户选择目标文本，提取特征信息。（2）提取特征信息。根据目标样本的词频分布，从统计词典中提取挖掘目标的特征向量并计算出相应的权值。（3）网络信息获取。先利用搜索引擎站点选择待采集站点，再利用Robot程序采集静态Web页面，最后获取被访问站点网络数据库中的动态信息，生成WWW资源索引库。（4）信息特征匹配。提取索引库中的源信息特征向量，并与目标样本的特征向量对照，将符合要求的信息交给用户。